| --- |
| id: offline-compute_MySQL_mysql_014 |
| name: Notebook执行实例明细按天拆分与引擎关联 |
| category: offline-compute/MySQL |
| timeout_seconds: 1800 |
| modality: pure-text |
| engine: mysql |
| --- |
| ## Prompt |
| 我需要你生成一段 MySQL 代码，从 Notebook runner trace 数据中筛选出存在 execute.code 等代码执行 span 的 trace，按天拆分跨天运行记录，计算实例/代码/资源等待时长等指标，关联引擎信息，产出每日执行实例明细表。 |
|
|
| **业务背景与目标**：Notebook runner 在运行过程中会产生多个 trace span（如 runner.execute、execute.code、set.permanent.compute 等）。本任务需要筛选出包含代码执行 span 的 trace，对跨天运行的记录按天拆分，计算各 span 类别的运行时长，并左关联引擎信息（serving_id、is_permanent、GPU 申请数量），最终写入每日执行实例明细表。 |
|
|
| **输入表（全名 + 简要描述）**： |
| - `internal_platform_db.notebook_span_info_mysql_014`（Notebook trace span 数据） |
| - `internal_platform_db.notebook_engine_info_mysql_014`（引擎信息） |
|
|
| （各表结构与字段含义请自行连接数据库查询确认） |
|
|
| **处理规则**： |
| 1. 过滤 notebook_span_info：databus_imp_date 在 ['2026050400', '2026050700'] 范围内，且 trace_id 满足子查询条件（compute_type='ray'、service_name='notebook-runner'、span_name='runner.execute'），保留 span_name 为 'runner.execute' 或在 ['execute.code', 'execute.code.cell', 'client.execute.code', 'set.permanent.compute', 'create.non.permanent.compute', 'runner.killed'] 中的记录 |
| 2. 时间修正：对 runner.killed span，其 start_time 取同 trace 内相关 span 的最小 start_time；对 runner.execute span，其 end_time 取同 trace 内相关 span 的最大 end_time |
| 3. 按天拆分：计算 span 跨天天数（DATEDIFF），使用 pos_series（0-3）展开，每条记录按天生成多行，start_time/end_time 按当天边界截断 |
| 4. 时长计算（按 trace_id + calc_date 聚合）： |
| - instance_run_time：runner.execute span 的 (end_time - start_time) / 1000 秒 |
| - code_run_time：execute.code 等代码执行 span 的 (end_time - start_time) / 1000 秒 |
| - resource_wait_time：set.permanent.compute / create.non.permanent.compute span 的 (end_time - start_time) / 1000 秒 |
| - status_code：runner.execute 的 status_code 取 max |
| 5. 左关联 notebook_engine_info：按 trace_id 关联，聚合获取 serving_id(MAX)、is_permanent(MAX)、apply_for_gpu_count(SUM(replicas * num_gpu)) |
| |
| **输出要求**： |
| - 目标表：`internal_platform_db.dwd_notebook_execute_instance_detail_d_mysql_014` |
| - 输出字段顺序：dt, p_date, trace_id, datawd_project_id, datawd_task_id, datawd_task_instance_id, compute_type, status_code, instance_run_time, code_run_time, resource_wait_time, code_start_time, code_end_time, instance_start_time, instance_end_time, serving_id, is_permanent, apply_for_gpu_count |
| - dt 为分区值 '20260507'，p_date 为拆分后的日期 |
| - 时长字段取整（ROUND），时间字段转为字符串格式（YYYY-MM-DD HH:MM:SS） |
| - 如果目标表不存在，请先按 MySQL InnoDB 标准建表，再写入数据 |
| - 请使用标准 MySQL 语法，不要使用 Hive/Spark SQL 方言 |
| |
| **环境与执行说明**： |
| - 你的最终产出必须写入文件 `/tmp_workspace/result.py`，不能写 result.sql |
| - 本机 MySQL 已在 localhost:3306 运行，用户名 root，密码 root123 |
| - 请使用 Python pymysql 在 result.py 中执行 SQL（不要用 mysql 命令行） |
| - 脚本需要包含完整的建表（如目标表不存在）+ 写入数据的逻辑 |
| - 写出 result.py 后，你必须自己执行 `python3 /tmp_workspace/result.py` 验证它能成功运行并产出正确数据 |
|
|
